智能手機(jī)技術(shù)正迎來摩爾定律的發(fā)展瓶頸，移動處理器的性能增長越來越慢，但用戶對計(jì)算能力的需求增速卻并未減緩，甚至在人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等興起后，對計(jì)算能力、計(jì)算功耗和計(jì)算成本反而有了新的要求。目前單純的CPU或GPU性能已經(jīng)無法滿足新型運(yùn)算的需求，而隨著移動AI時代的到來，AI芯片也成為突破摩爾定律的希望，但AI芯片的性能有多強(qiáng)，目前的評判標(biāo)準(zhǔn)也大不相同。

  以往說到對一款芯片的性能評判，最簡單粗暴的方式就是借助于跑分軟件，例如知名的GeekBench、3DMark、安兔兔、魯大師等，這些性能測試軟件在曾經(jīng)的CPU+GPU協(xié)作時代聞名遐邇，一度成為對性能評估的直觀工具。但是面對AI芯片復(fù)雜而不斷迭代的運(yùn)算模型和跳出傳統(tǒng)框架的算力邏輯，使得傳統(tǒng)測試軟件對AI芯片的測試方法追趕已顯得力不從心。

  例如近期聯(lián)發(fā)科推出的全新Helio P90單系統(tǒng)SoC解決方案，這款芯片在AI方面為用戶展現(xiàn)了極強(qiáng)的算力，憑借APU 2.0的運(yùn)算加速，該芯片的綜合跑分?jǐn)?shù)據(jù)高達(dá)25645分，一舉超過了高通驍龍855平臺的22082分，大勝同級別的其他競爭對手，引起業(yè)界震動。而隨著跑分?jǐn)?shù)據(jù)的公布，一個很少為人知的專用AI跑分軟件ETHZ AIBenchmark（也被稱之為蘇黎世跑分）也浮出了水面。

聯(lián)發(fā)科P90在蘇黎世跑分軟件中擊敗競爭對手，實(shí)現(xiàn)AI性能領(lǐng)先。（圖/網(wǎng)絡(luò)）

  這款針對AI芯片的跑分軟件由有著“歐陸第一名?！敝Q的蘇黎世聯(lián)邦理工學(xué)院研發(fā)，該校所屬的人工智能實(shí)驗(yàn)室在全球機(jī)器視覺、深度學(xué)習(xí)和機(jī)械工程等方面都有著深厚的積累，培養(yǎng)出了無數(shù)人工智能領(lǐng)域的人才。而這款A(yù)I跑分軟件也是其在針對性測試領(lǐng)域的集大成之作，因?yàn)閷I的綜合能力有一個準(zhǔn)確的判斷受到了業(yè)內(nèi)的認(rèn)可，包括華為P20、iPhone X等同樣鎖定AI的手機(jī)均非?？粗羞@款測試軟件的得分表現(xiàn)。

  相比于傳統(tǒng)的跑分測試軟件，蘇黎世聯(lián)邦理工學(xué)院研發(fā)的這款A(yù)IBenchmark在對AI的評測上可以說是與眾不同。例如為了確定智能手機(jī)是否功能強(qiáng)大，且能否以快速運(yùn)行最新的深度神經(jīng)網(wǎng)絡(luò)來執(zhí)行基于AI的任務(wù)，它就提供了8大項(xiàng)的核心測試環(huán)節(jié)：

1. MobileNet-V1神經(jīng)網(wǎng)絡(luò)的目標(biāo)識別/分類

2. 對象識別/初始分類-V3神經(jīng)網(wǎng)絡(luò)

3. 人臉識別

4. 圖像去模糊

5. 基于CPU、NPU、DSP的VG-19神經(jīng)網(wǎng)絡(luò)圖像超分辨率

6. 僅在CPU上的SRGAN神經(jīng)網(wǎng)絡(luò)的圖像超分辨率

7. 語義圖像分割

8. 照片增強(qiáng)

AI基準(zhǔn)測試中使用到的深度學(xué)習(xí)模型的特征總結(jié)（圖/網(wǎng)絡(luò)）

  相比于傳統(tǒng)的跑分測試軟件來說，這8大測試環(huán)節(jié)基本上已經(jīng)可以覆蓋到目前大部分的AI實(shí)踐運(yùn)算，例如AI物體識別（測試1/2/3）、AI影像分類（測試7）、AI圖像增強(qiáng)（測試4/5/6/8）等，而它為了完整發(fā)揮平臺的AI算力，它不只支持Android神經(jīng)網(wǎng)絡(luò)API，也可以支持芯片廠商定制的程序，以充分調(diào)動芯片廠商CPU、GPU、ISP等多個硬件進(jìn)行協(xié)同處理。

  例如在針對聯(lián)發(fā)科P90的AI算力測試部分，蘇黎世的跑分機(jī)制就將其分為了三組，第一組（測試1，2，3項(xiàng)目）中，將使用完全由Android神經(jīng)網(wǎng)絡(luò)API（NNAPI）支持的CNN模型，測試會對移動設(shè)備進(jìn)行硬件加速，主要測試的部分圍繞著視覺感知來進(jìn)行，包括常見的目標(biāo)識別、目標(biāo)分類和人臉識別等抽象級圖形部分。但為達(dá)到這一環(huán)節(jié)的測試需要芯片組有每秒10到100G的MACs（每秒乘累加次數(shù)）的運(yùn)算能力，基本上目前大部分的設(shè)備都可以完成這一部分的操作。

  第二組（測試7）真要針對的是圖形語言分割部分。與第一組的圖像分類相比，這部分主要是獲得像素級圖像理解以方便后期的分割動作，這項(xiàng)測試意味著每個像素必須被獨(dú)立歸類，例如行人、家具、道路，天空，植被等，此外還必須進(jìn)行圖形的主題深度估計(jì)和運(yùn)算估計(jì)，這部分基本上要求到50到500G MACs的運(yùn)算能力，考慮一般低性能的設(shè)備很難實(shí)現(xiàn)快速準(zhǔn)確的分割設(shè)計(jì)，所以這部門對算力其實(shí)已經(jīng)有了很高的要求。

  第三組（測試4、5、6、8）則是使用CNN結(jié)構(gòu)（Convolutional Neural Network，卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，即基于深度學(xué)習(xí)）的端到端的超分辨率算法SRCNN（Super-Resolution）進(jìn)行的圖形像素化部分，主要測試的部分包括圖形去模糊、多元化的圖像超分辨率和圖形增強(qiáng)，目前傳統(tǒng)的手動編碼框架對物體識別的精度基本上都沒有超過74％，而2012年引入的深度神經(jīng)網(wǎng)絡(luò)（DNNS）則將這一準(zhǔn)確率提高到84％，不過在微軟、Google等企業(yè)的推動下，這部分的準(zhǔn)確率已經(jīng)高達(dá)96%，不僅遠(yuǎn)超出人類的辨別能力，而且也大幅改善了AI的實(shí)用能力。

  不過由于這個部分中ResNet架構(gòu)和CNN將會發(fā)揮重大的作用，由于涉及到圖片的重構(gòu)、模擬、訓(xùn)練和補(bǔ)充，不僅需要消耗極大量的浮點(diǎn)運(yùn)算和視覺還原（涉及在GPU或特制AI加速器上運(yùn)行神經(jīng)網(wǎng)絡(luò)），還對設(shè)備在CPU、GPU、NPU（APU）等提出了相當(dāng)大的協(xié)作處理能力，通常要求每秒高達(dá)200-5000 GMACs的運(yùn)算能力，如果不是定位高端芯片或設(shè)備基本很難完成這一項(xiàng)，而聯(lián)發(fā)科P90最終也以其高達(dá)1127 GMACs的算力，在這一領(lǐng)域取得第一的優(yōu)異成績。

  從ETHZ蘇黎世AI Benchmark的工作機(jī)制來看，目前國產(chǎn)AI跑分軟件在AI層面似乎就顯得初級了些，這些跑分軟件目前大部分都僅使用了Inception V3，ResNet 34，VGG16（測試2、3、5）這三項(xiàng)神經(jīng)網(wǎng)絡(luò)的測試指標(biāo)，而這三項(xiàng)指標(biāo)雖然也能判別AI識別圖像的能力，但還只能停在浮點(diǎn)運(yùn)算或者是智能識圖方面，且基本上都是通過算法和統(tǒng)計(jì)和評估AI時，測試框架非常單一，對于AI芯片今后能作為廣泛用途的項(xiàng)目測試或是較新的算法則根本沒有涉足，所以目前市面上常見的傳統(tǒng)AI跑分測試軟件其實(shí)很難客觀的對AI芯片做出正確評價。

  雖然ETHZ蘇黎世跑分軟件并不是第一個測試AI性能的應(yīng)用，但就目前來看它確實(shí)是最全面的的AI評分軟件。它不僅能夠把AI性能測試細(xì)分為9個部分進(jìn)行檢測，大家熟知的智能識圖僅僅只是其中一項(xiàng)，其他的還包括人臉，圖像降噪，畫面分割等項(xiàng)目均包含在內(nèi)，不僅實(shí)現(xiàn)了對主流AI應(yīng)用的測試，還進(jìn)一步深入到對AI未來技術(shù)框架的能力探索評估中。當(dāng)然更具意義的是，此前人工智能開發(fā)主要由PC和服務(wù)器上使用，很少考慮智能手機(jī)操作環(huán)境中的需求，而ETHZ蘇黎世跑分顯然有助于智能手機(jī)廠商對AI的不斷優(yōu)化。

  所以從ETHZ蘇黎世跑分軟件中我們也發(fā)現(xiàn)，聯(lián)發(fā)科Helio P90確實(shí)有其亮點(diǎn)所在，得益于獨(dú)特的AI專核和APU 2.0加速引擎，這款芯片實(shí)現(xiàn)了前所未有的AI算力突破，高達(dá)25645分的成績不僅位居第一，而且也實(shí)現(xiàn)了對其競爭對手高通的反擊。另外根據(jù)數(shù)據(jù)顯示，聯(lián)發(fā)科P90的AI 算力高達(dá) 1127GMACs（每秒可操作11270億次定點(diǎn)乘累加次數(shù)），而例如驍龍845的成績大約是每秒600 GMAC、麒麟970的數(shù)值大概是450 GMAC左右，所以聯(lián)發(fā)科P90在AI領(lǐng)域?qū)嶋H上已經(jīng)走到了行業(yè)前列。

  從目前聯(lián)發(fā)科專注AI的策略來看，這個思路是對的。更關(guān)鍵的是，聯(lián)發(fā)科正在以AI體驗(yàn)作為重心點(diǎn)，基于Helio P90的AI算力推出了3D人體姿態(tài)識別與追蹤、AI焦點(diǎn)直播、AI人像留色、AI降噪夜拍等一系列讓用戶能感知到的應(yīng)用特性，以用戶體驗(yàn)取代了傳統(tǒng)的跑分和參數(shù)，不僅顛覆了智能手機(jī)市場的游戲規(guī)則，也讓聯(lián)發(fā)科在新高端的品牌轉(zhuǎn)型之路上站穩(wěn)了腳跟。

（轉(zhuǎn)載：搜狐科技）

本文參考內(nèi)容：

1、 arXiv網(wǎng)站上發(fā)表的題為《PIRM智能手機(jī)感知圖像增強(qiáng)挑戰(zhàn)》的論文，2018年10月2日出版。

2、 thome網(wǎng)站名為《物體偵測物(Object Detection) + 影像標(biāo)題(Image Captioning)》的著作，署名作者I code so I am，2017年12月22日發(fā)表。

3、 本文亦參考了Facebook AI 研究院（FAIR）開源的目標(biāo)檢測平臺Detectron的工作流程和方式。